La versi\u00f3n 2 de FuzzyAttributes ampl\u00eda las posibilidades del complemento al integrar directamente la transformaci\u00f3n difusa de r\u00e1steres, adem\u00e1s de los atributos vectoriales y la asignaci\u00f3n de texto \u2192 difuso. Esto permite trabajar con datos continuos (por ejemplo, \u00edndices, altitudes, precipitaciones) y convertir cada p\u00edxel en un grado de pertenencia comprendido entre 0 y 1 seg\u00fan una funci\u00f3n difusa seleccionada.<\/p>\n\n\n\n
Los valores brutos son como los ingredientes de una receta: cada uno tiene sus propias unidades, intensidades y sabores. Los valores difusos, por su parte, reflejan la percepci\u00f3n de estos ingredientes, lo que se aprecia o no seg\u00fan el contexto. Trabajar con grados de satisfacci\u00f3n supone, por tanto, pasar de una medida fr\u00eda a una apreciaci\u00f3n matizada, m\u00e1s adaptada a las decisiones reales sobre el terreno.<\/p>\n\n\n\n
Los valores brutos describen un fen\u00f3meno f\u00edsico, pero no su interpretaci\u00f3n decisoria.<\/p>\n\n\n\n
El paso a una escala de satisfacci\u00f3n (0-1) permite introducir la subjetividad del decisor o del experto: ya no se trata de \u00ab\u00bfcu\u00e1l es el valor?\u00bb, sino de \u00ab\u00bfen qu\u00e9 medida este valor es adecuado?\u00bb.<\/p>\n\n\n\n
Este enfoque permite entonces combinar de forma coherente criterios heterog\u00e9neos (distancia, altitud, precipitaciones, etc.) en an\u00e1lisis multicriterio difusos.<\/p>\n\n\n\n